PeakSegJoint：通过多计数数据样本联合分割的快速有监督峰值检测
机器学习
2015-06-04 v1 基因组学
摘要
联合峰值检测是比较基因组数据分析中样本时的一个核心问题，但当前用于该任务的算法是无监督的且限于最多2种样本类型。我们提出PeakSegJoint，一种用于任意数量样本类型的新的约束最大似然分割模型。为选择分割中的峰值数量，我们提出一种有监督的惩罚学习模型。为推断这两个模型的参数，我们提出对分割使用离散优化启发式方法，对惩罚学习使用凸优化。在与最先进峰值检测算法的比较中，PeakSegJoint取得了相似的精度、更快的速度，以及具有跨所有样本精确相同位置出现的重叠峰的更可解释模型。
引用
@article{arxiv.1506.01286,
title = {PeakSegJoint: fast supervised peak detection via joint segmentation of multiple count data samples},
author = {Toby Dylan Hocking and Guillaume Bourque},
journal= {arXiv preprint arXiv:1506.01286},
year = {2015}
}
备注
11 pages, 5 figures